DeepSeek-V4.1-Flash-1017

吞吐、单流解码和首字均值分别取八类正式任务值的算术平均；P50 / P90 则合并该并发全部正式请求计算，均不含计数任务。批次吞吐 = 输出 token 总数 / 整批耗时；单流解码 =（输出 token − 1）/（总耗时 − 首字耗时）。不能用聚合吞吐除以并发替代单流速度。

八类正式任务均值与请求池分位数分开统计；不是三轮中位数。

使用实际输入 token；预填充速度 = 输入 token / 首字耗时，不是输出吞吐。

两个长度各测一次，检索深度均为 0.5；不是多位置、多轮或并发长文测试。

资源采样明细

节点以 1–4 匿名展示；约 1 秒采样。主机已用 = Total − Available；Docker 上限 112 GiB 不是实际使用量。

资源采样明细

窗口	节点	采样数	最小可用 GiB	最大主机已用 GiB	最大 cgroup GiB	OOM kill 增量
正式性能测试	1	431	13.440	108.188	20.199	0
正式性能测试	2	431	12.636	107.027	18.583	0
正式性能测试	3	430	14.312	107.314	20.366	0
正式性能测试	4	430	14.055	107.602	20.066	0
首次受管启动	1	346	15.064	106.563	35.710	0
首次受管启动	2	346	12.711	106.951	34.259	0
首次受管启动	3	347	13.719	107.907	35.244	0
首次受管启动	4	347	14.133	107.524	35.264	0
平台重启	1	337	14.595	107.032	34.820	0
平台重启	2	337	14.106	105.556	33.961	0
平台重启	3	338	15.207	106.418	33.546	0
平台重启	4	337	15.084	106.573	35.304	0
重启前功能	1	12	13.971	107.656	20.125	0
重启前功能	2	11	13.313	106.350	18.493	0
重启前功能	3	11	14.726	106.900	19.880	0
重启前功能	4	12	14.806	106.851	19.353	0
重启后功能	1	12	15.762	105.865	20.176	0
重启后功能	2	12	15.403	104.259	16.034	0
重启后功能	3	11	16.556	105.070	19.811	0
重启后功能	4	12	16.374	105.283	18.381	0
最终长文检索	1	348	13.156	108.471	20.410	0
最终长文检索	2	348	12.174	107.488	18.107	0
最终长文检索	3	347	13.903	107.722	20.607	0
最终长文检索	4	347	14.028	107.629	19.762	0

17 项基础功能检查

平台正常停止、启动后验收通过；思考输出属于功能检查，并非性能测试的生成模式。

17 项基础功能检查

检查项	结果
api-authentication	通过
chinese	通过
math	通过
english	通过
json	通过
code	通过
tool-call	通过
tool-result	通过
vision-red	通过
vision-four-images	通过
vision-tool-call	通过
sse-chinese	通过
prefix-0	通过
prefix-1	通过
prefix-2	通过
prefix-cache-hit-counters	通过
thinking	通过

7 项视觉与工具用例

平台正常停止、启动后，17 项基础功能检查通过；原视觉与工具脚本 7/7 通过。保留原题图、提示与规则，仅适配鉴权、端口和模型别名。这些是限定场景验收，不代表通用回答或行业视觉准确率。

7 项视觉与工具用例

用例	结果
V1 stripes	通过
V2 two images	通过
V3 grid	通过
T1 tool call	通过
T2 tool roundtrip	通过
T3 parallel calls	通过
T4 forced tool_choice	通过

请求完整性审计

覆盖正式、计数、预热与冷提示共 268 条；完整流不代表答案正确或未截断。

请求完整性审计

完整 SSE	成功计数增量	前缀命中 token 增量	抢占增量	stop	length
268	268	0	0	177	91

逐类批次明细

56 个正式批次与 7 个 ceiling_count 计数批次；计数批次不纳入主表。261 条逐请求明细见 JSON 下载。

逐类批次明细

并发	类别	吞吐 token/s	单流解码 token/s	首字均值 s	输出 token	整批耗时 s
C1	coding	65.59	71.56	0.267	200	3.049
C1	json	49.46	60.44	0.317	82	1.658
C1	narrative	26.88	28.16	0.267	138	5.133
C1	prose	35.52	37.74	0.246	133	3.744
C1	math	61.21	67.27	0.308	200	3.267
C1	reasoning	50.62	54.52	0.300	200	3.951
C1	summary	31.21	36.64	0.516	103	3.301
C1	format	61.41	75.61	0.324	102	1.661
C1	ceiling_count	78.19	84.21	0.230	239	3.057
C2	coding	115.92	64.71	0.291	400	3.451
C2	json	74.44	43.54	0.353	170	2.284
C2	narrative	43.14	23.90	0.335	285	6.606
C2	prose	47.66	27.15	0.320	263	5.518
C2	math	94.98	52.24	0.330	400	4.212
C2	reasoning	79.70	43.09	0.329	400	5.019
C2	summary	42.16	25.88	0.675	243	5.763
C2	format	115.69	72.03	0.367	208	1.798
C2	ceiling_count	147.29	80.07	0.271	478	3.245
C3	coding	160.94	59.68	0.350	600	3.728
C3	json	95.87	38.61	0.389	249	2.597
C3	narrative	51.09	18.35	0.301	440	8.611
C3	prose	60.60	23.36	0.291	389	6.419
C3	math	120.89	44.38	0.353	600	4.963
C3	reasoning	91.39	33.17	0.457	600	6.565
C3	summary	52.35	22.42	0.682	332	6.342
C3	format	141.95	59.26	0.384	310	2.184
C3	ceiling_count	204.49	73.50	0.267	717	3.506
C4	coding	201.49	56.88	0.373	800	3.970
C4	json	124.15	38.38	0.387	338	2.722
C4	narrative	58.82	15.87	0.326	557	9.470
C4	prose	71.59	20.43	0.316	506	7.068
C4	math	153.43	41.89	0.368	800	5.214
C4	reasoning	131.57	36.76	0.376	800	6.081
C4	summary	63.14	21.15	0.768	425	6.731
C4	format	132.69	42.97	0.402	435	3.278
C4	ceiling_count	236.04	63.74	0.285	956	4.050
C5	coding	234.28	53.24	0.371	1000	4.268
C5	json	133.21	32.86	0.398	422	3.168
C5	narrative	64.21	14.34	0.337	770	11.992
C5	prose	78.38	17.96	0.339	656	8.370
C5	math	192.32	42.43	0.403	1000	5.200
C5	reasoning	130.78	30.06	0.386	1000	7.647
C5	summary	66.83	17.88	0.880	566	8.469
C5	format	177.84	48.42	0.428	532	2.991
C5	ceiling_count	296.68	63.92	0.302	1195	4.028
C6	coding	255.94	48.66	0.413	1200	4.689
C6	json	148.71	30.55	0.407	506	3.403
C6	narrative	72.57	13.09	0.334	857	11.810
C6	prose	89.81	17.15	0.355	773	8.607
C6	math	203.20	37.10	0.400	1200	5.905
C6	reasoning	161.95	29.08	0.411	1200	7.410
C6	summary	75.29	16.46	1.156	706	9.377
C6	format	215.60	46.78	0.459	618	2.866
C6	ceiling_count	326.14	58.55	0.329	1434	4.397
C8	coding	308.79	43.66	0.503	1600	5.182
C8	json	178.63	27.30	0.465	668	3.740
C8	narrative	80.92	11.30	0.414	1155	14.274
C8	prose	105.89	15.35	0.349	996	9.406
C8	math	231.46	32.12	0.443	1600	6.913
C8	reasoning	167.87	23.66	0.771	1600	9.531
C8	summary	81.52	13.86	1.392	937	11.494
C8	format	218.18	37.29	0.504	853	3.910
C8	ceiling_count	406.55	54.39	0.324	1912	4.703

测试负载与统计口径

任务与轮次

coding / json / narrative / prose / math / reasoning / summary / format；一轮全量运行；C8 为沿用同方法的本地扩展

生成参数

temperature=0; thinking=false; stream=true; usage tokens

输出上限

默认 200 token；summary 150；计数任务 256

请求构成

268 = 232 正式 + 29 计数 + 3 预热 + 4 冷提示预填充

冷提示与缓存

编译缓存复用；冷提示不等于清空磁盘或编译缓存；性能测试期间未运行 profiler

完整性与长度限制

268 条 SSE、DONE、usage 完整；stop 177，length 91；达到长度上限仍保留，不等于质量合格

• 正式性能窗口最低主机可用 12.636 GiB、最高主机已用 108.188 GiB；最终长文窗口分别为 12.174 / 108.471 GiB。主机已用包含系统开销，不是模型独占内存。
• GB10 为统一内存，CPU 与 GPU 不能相加。cgroup 未完整覆盖 GPU 驱动分配；约 20 GiB 的 cgroup 值不是模型总内存。加载日志约 81.69 GiB/rank 也不是整机峰值。
• 约 1 秒采样只记录捕获到的极值；所列窗口未观察到 Docker/cgroup OOM kill，不构成长时间稳定性承诺。
• 本次没有完整通用质量评分；功能通过、流式完整、length 结束与答案正确是不同口径。
• 长文为两个输入长度、各一次单请求、中位置检索；未验证满 300K、8 路长文并发、1M、独立两小时稳定性或全新客户安装。

C 表示并发请求数。TTFT 是首个非空正文输出的等待时间，不是完整回答耗时；预填充速度与输出解码速度也不是同一指标。